《SPSS綜合案例運(yùn)用論文之探究中國大城市發(fā)展的生活水平及其差距》由會員分享，可在線閱讀，更多相關(guān)《SPSS綜合案例運(yùn)用論文之探究中國大城市發(fā)展的生活水平及其差距（14頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、SPSS綜合案例運(yùn)用論文 ——之探究中國大城市發(fā)展的生活水平及其差距 09經(jīng)51班 目錄 l 案例說明與問題描述 l 分析目的 l 分析思路 l 數(shù)據(jù)選取 l 案例中使用的SPSS方法 1. 描述性分析 2. 因子分析 3. 聚類分析 l 數(shù)據(jù)文件的建立 l SPSS操作步驟 l 結(jié)果判讀 一·案例說明與問題描述 中國的發(fā)展在改哦改革開放

2、以來的發(fā)展及其成績是全世界有目共睹的。各個(gè)城市發(fā)展也越來越跟上時(shí)代和世界的步伐。因此，我們來探究一下中國大部分的省會城市和計(jì)劃單列市的發(fā)展情況。城市生活水平取決于經(jīng)濟(jì)的發(fā)展，這是基礎(chǔ)，還有居民的生產(chǎn)生活狀況，因?yàn)橐磺幸跃用竦男腋Ｖ笖?shù)為準(zhǔn)，一切視為了人民服務(wù)，教育情況，教育關(guān)系到一個(gè)城市未來。因此，我們從“年底總?cè)丝凇?、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲蓄年末余額”、“在崗職工平均工資”、“社會商品零售總額”、“貨物進(jìn)出口總額”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“環(huán)境污染治理投資總額”這幾個(gè)要素去分析探究中國城市的發(fā)展以及城市生活水平。 二

3、3;分析目的、分析思路與數(shù)據(jù)選取 本案例的研究目的是分析“年底總?cè)丝凇?、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲蓄年末余額”、“在崗職工平均工資”、“社會商品零售總額”、“貨物進(jìn)出口總額”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“環(huán)境污染治理投資總額”各變量，從而探究中國部分省會城市和計(jì)劃單列市的城市生活水平及從中看出中國的大城市發(fā)展的大致水平及差異。 分析思路如下：首先利用描述性分析對各變量數(shù)據(jù)進(jìn)行基礎(chǔ)性描述，以便對中國城市發(fā)展整體水平有一個(gè)直觀的印象，然后利用因子分析提取對城市生活水平影響較為明顯的因素，分如析城市生活水平的決定因素。最后利用聚類分析，

4、可以分析中國城市之間的生活水平，了解中國城市發(fā)展的差距，分為幾類城市。 為更好地了解中國大城市的生活水平，本案例觀測了“年底總?cè)丝凇?、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲蓄年末余額”、“在崗職工平均工資”、“社會商品零售總額”、“貨物進(jìn)出口總額”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“環(huán)境污染治理投資總額”等數(shù)據(jù)，所有的數(shù)據(jù)均來自《中國青年》。該案例的原始數(shù)據(jù)如圖。 三· 案例中使用的SPSS方法 1·描述性分析 描述性分析主要是對數(shù)據(jù)進(jìn)行基礎(chǔ)性描述，主要用于描述變量的基本特征。SPSS的描述性分析過程可以生成相關(guān)的描

5、述性統(tǒng)計(jì)量，如：均值、方差、標(biāo)準(zhǔn)差、全距、峰度和偏度等，同時(shí)描述性分析過程還將還原原始數(shù)據(jù)轉(zhuǎn)換為Z分值并作為變量儲存，通過這些描述性統(tǒng)計(jì)計(jì)量，我們可以對變量變化的綜合特征進(jìn)行全面的了解。 2·因子分析 因子分析是一種數(shù)據(jù)簡化的技術(shù)。它通過研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個(gè)獨(dú)立的不可測量變量變化來表示其基本的數(shù)據(jù)結(jié)構(gòu)，這幾個(gè)假想變量能夠反映原來眾多變量的主要信息。 3·聚類分析 聚類分析是根據(jù)研究對象的特征按照一定標(biāo)準(zhǔn)對研究對象進(jìn)行分類的一種分析方法，它使組內(nèi)的數(shù)據(jù)對象具有最高的相似度，而組間具有較大的差異性。聚類分析可以在沒有先驗(yàn)

6、分類的情況下通過觀察對數(shù)據(jù)進(jìn)行分類，聚類分析在科學(xué)研究和實(shí)際的生產(chǎn)實(shí)踐中都具有廣泛的應(yīng)用。 四·數(shù)據(jù)文件的建立 首先在SPSS變量視圖中建立變量“年底總?cè)丝凇薄ⅰ暗貐^(qū)生產(chǎn)總值（當(dāng)年價(jià)格）”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲蓄年末余額”、“在崗職工平均工資”、“社會商品零售總額”、“貨物進(jìn)出口總額”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“環(huán)境污染治理投資總額”等的觀測值。在SPSS視圖中，把相關(guān)數(shù)據(jù)輸入后得到如圖。 五·SPSS操作步驟 1. 描述分析操作步驟： Step 1 打開數(shù)據(jù)文件，進(jìn)入SPSS Statistics數(shù)據(jù)編輯器窗口，然后在菜

7、單欄中依次選擇變量“年底總?cè)丝冢ㄈf人）”、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元）”、“固定資產(chǎn)投資總額（萬元）”、“城鄉(xiāng)居民儲蓄年末余額（萬元）”、“在崗職工平均工資（元）”、“社會商品零售總額（萬元）”、“貨物進(jìn)出口總額（萬美元）”、“普通高等學(xué)校在校學(xué)生數(shù)（人）”、“醫(yī)院、衛(wèi)生院數(shù)（個(gè)）”、“環(huán)境污染治理投資總額（萬元）”進(jìn)入“變量”列表。 Step 2 單擊“選項(xiàng)”按鈕進(jìn)入“描述：選項(xiàng)”對話框，選中“最大值”、“最小值”、“平均數(shù)”、“標(biāo)準(zhǔn)差”、“均值”、和“方差”，然后單擊“繼續(xù)”按鈕，返回“描述性”對話框。 Step 3 單擊“確定”按鈕，輸出分析結(jié)果。 2. 因子分析操作步驟

8、Step 1 打開數(shù)據(jù)文件，進(jìn)入SPSS Statistics數(shù)據(jù)編輯器窗口，在菜單欄中依次單擊“分析” /“降維”/“因子分析”命令，將“年底總?cè)丝冢ㄈf人）”、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元）”、“固定資產(chǎn)投資總額（萬元）”、“城鄉(xiāng)居民儲蓄年末余額（萬元）”、“在崗職工平均工資（元）”、“社會商品零售總額（萬元）”、“貨物進(jìn)出口總額（萬美元）”、“普通高等學(xué)校在校學(xué)生數(shù)（人）”、“醫(yī)院、衛(wèi)生院數(shù)（個(gè)）”、“環(huán)境污染治理投資總額（萬元）”進(jìn)入“變量”列表。 Step 2 單擊“描述”按鈕，勾選“原始分析結(jié)果”復(fù)選框和“KMO與Bartlett球形度檢驗(yàn)”復(fù)選框，單擊“繼續(xù)”按鈕，保存設(shè)置

9、結(jié)果。 Step 3 單擊“抽取”按鈕，勾選“碎石圖”復(fù)選框，其他未系統(tǒng)默認(rèn)選擇，單擊“繼續(xù)”按鈕，保存設(shè)置結(jié)果。 Step 4單擊“旋轉(zhuǎn)”按鈕，勾選“最大方差法”復(fù)選框，其他未系統(tǒng)默認(rèn)選擇，單擊“繼續(xù)”按鈕，保存設(shè)置結(jié)果。 Step 5 單擊“得分”按鈕，勾選“保存為變量”和“因子得分系數(shù)”復(fù)選框，單擊“繼續(xù)”按鈕，保存設(shè)置結(jié)果。 3. 聚類分析操作步驟 Step 1在菜單欄中依次選擇“分析”/“分類”/“系統(tǒng)聚類”命令，彈出“系統(tǒng)聚類”對話框。 Step 2 從源變量列表中選擇“年底總?cè)丝冢ㄈf人）”、“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元）”、“固定資產(chǎn)投資總額（萬元）”、“城鄉(xiāng)居民

10、儲蓄年末余額（萬元）”、“在崗職工平均工資（元）”、“社會商品零售總額（萬元）”、“貨物進(jìn)出口總額（萬美元）”、“普通高等學(xué)校在校學(xué)生數(shù)（人）”、“醫(yī)院、衛(wèi)生院數(shù)（個(gè)）”、“環(huán)境污染治理投資總額（萬元）”然后單擊選擇按鈕將它們選入“變量”列表中：從源變量列表中選擇“城市名稱”變量，然后單擊選擇按鈕將其選入“個(gè)案標(biāo)記依據(jù)”列表中。 Step 3 在“分群”選項(xiàng)組內(nèi)選擇“個(gè)案”單選按鈕。 Step 4 單擊“統(tǒng)計(jì)量”按鈕，彈出“系統(tǒng)聚類分析：圖”對話框，勾選“樹狀圖”單選按鈕。 Step 5 單擊“方法”按鈕，彈出“系統(tǒng)聚類分析：方法 ”對話框，“在聚類方法”下拉列表中選擇 “Ward法”。

11、 Step 6 單擊“確定”按鈕，輸出分層聚類分析的結(jié)果。 六·結(jié)果判讀 描述 描述統(tǒng)計(jì)量 N 極小值 極大值 均值 標(biāo)準(zhǔn)差 偏度 峰度 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 統(tǒng)計(jì)量 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 年底總?cè)丝冢ㄈf人） 18 62 3235 835.83 162.816 690.772 2.599 .536 8.898 1.038 地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元） 18 1219100 121888500 40808757.00 7095789.870 3

12、.010E7 1.464 .536 2.130 1.038 固定資產(chǎn)投資總額（萬元） 18 876200 44586098 18271505.61 2589057.062 1.098E7 1.089 .536 1.271 1.038 城鄉(xiāng)居民儲蓄年末余額（萬元） 18 904700 93264500 29169412.44 6157783.047 2.613E7 1.764 .536 2.416 1.038 在崗職工平均工資（元） 18 22104 49311 32378.72 2105.601 8933.310 .688

13、.536 -.832 1.038 社會商品零售總額（萬元） 18 558000 38477918 14798548.78 2411632.827 1.023E7 1.338 .536 1.637 1.038 貨物進(jìn)出口總額（萬美元） 18 21908 28753345 6365121.00 2172174.234 9215754.786 1.888 .536 2.427 1.038 普通高等學(xué)校在校學(xué)生數(shù)（人） 18 12163 778368 394892.56 55737.487 236474.128 -.097 .536

14、-1.221 1.038 醫(yī)院、衛(wèi)生院數(shù)（個(gè)） 18 53 1447 442.22 84.908 360.234 1.756 .536 3.073 1.038 環(huán)境污染治理投資總額（萬元） 15 885 3661231 630888.60 240540.532 931609.474 2.790 .580 8.706 1.121 有效的 N （列表狀態(tài)） 15 由圖可以看出，例如，我國城市中“地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）”的均值為40808757.00萬元， 則我國大城市的經(jīng)濟(jì)發(fā)展不錯(cuò)，但是最大值和最小值之間差

15、距較大，說明我國大城市的經(jīng)濟(jì)發(fā)展由于各種原因?qū)е掳l(fā)展的不平衡。各個(gè)變量的最大值和最小值之間的差距都很大，說明城市間各方面及總體的發(fā)展和生活水平很不平衡，存在很大差距。由此，我們可以進(jìn)一步分析： 因子分析 KMO 和 Bartlett 的檢驗(yàn) 取樣足夠度的 Kaiser-Meyer-Olkin 度量。 .608 Bartlett 的球形度檢驗(yàn) 近似卡方 189.037 df 45 Sig. .000 上圖是KMO與Bartlett的檢驗(yàn)結(jié)果，其中KMO值越接近于1表示越適合做因子分析，改圖中KMO的值為0.608>0.5，表示比較適合做因子分析。Bartlett

16、球形度檢驗(yàn)的原假設(shè)為相關(guān)系數(shù)矩陣為單位陣，Sig值為0.000小于顯著水平0.05，因此拒絕原假設(shè)表示變量之間存在相關(guān)關(guān)系，適合做因子分析。 公因子方差 初始 提取 年底總?cè)丝冢ㄈf人） 1.000 .938 地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元） 1.000 .971 固定資產(chǎn)投資總額（萬元） 1.000 .916 城鄉(xiāng)居民儲蓄年末余額（萬元） 1.000 .955 在崗職工平均工資（元） 1.000 .693 社會商品零售總額（萬元） 1.000 .954 貨物進(jìn)出口總額（萬美元） 1.000 .824 普通高等學(xué)校在校學(xué)生數(shù)（人） 1.00

17、0 .626 醫(yī)院、衛(wèi)生院數(shù)（個(gè)） 1.000 .770 環(huán)境污染治理投資總額（萬元） 1.000 .600 提取方法：主成份分析。 上圖給出了每個(gè)變量共同度的結(jié)果。該表左側(cè)表示每個(gè)變量可以被所有因素所能解釋的方差，右側(cè)表示變量的共同度。從該圖中可以得到，0.938、0.971、0.916、0.955、0.693、0.954、0.824、0.626、0.770、0.600，因子分析的變量共同度都較高，表明變量中的大部分信息均能夠被因子所提取。說明因子分析的結(jié)果是有效的。 解釋的總方差 成份 初始特征值 提取平方和載入 旋轉(zhuǎn)平方和載入 合計(jì)

18、 方差的 % 累積 % 合計(jì) 方差的 % 累積 % 合計(jì) 方差的 % 累積 % 1 5.746 57.464 57.464 5.746 57.464 57.464 5.098 50.985 50.985 2 2.202 22.015 79.479 2.202 22.015 79.479 2.849 28.495 79.479 3 .955 9.554 89.033 4 .466 4.659 93.692 5 .418 4.182 97.874

19、6 .102 1.018 98.892 7 .073 .730 99.622 8 .032 .317 99.939 9 .004 .041 99.981 10 .002 .019 100.000 提取方法：主成份分析。 上圖給出了因子貢獻(xiàn)率的結(jié)果。該表中左側(cè)部分為初始特征值，中間位提取主因子結(jié)果，右側(cè)為旋轉(zhuǎn)后的主因子結(jié)果?！昂嫌?jì)”指因子的特征值，“方差的 % ”表示該因子的特征值占總特征值的百分比，“累積 % ”表示累計(jì)的百分比，其中

20、只有前兩個(gè)因子的特征值大于1，并且前兩個(gè)因子的特征值之和占總特征值的79.479%，因此，提取前兩個(gè)因子作為主因子。 成份矩陣a 成份 1 2 年底總?cè)丝冢ㄈf人） .462 .851 地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元） .970 -.175 固定資產(chǎn)投資總額（萬元） .923 .254 城鄉(xiāng)居民儲蓄年末余額（萬元） .974 -.078 在崗職工平均工資（元） .613 -.563 社會商品零售總額（萬元） .976 -.036 貨物進(jìn)出口總額（萬美元） .756 -.503 普通高等學(xué)校在校學(xué)生數(shù)（人） .422 .385 醫(yī)院

21、、衛(wèi)生院數(shù)（個(gè)） .347 .806 環(huán)境污染治理投資總額（萬元） .770 -.083 提取方法 :主成分分析法。 a. 已提取了 2 個(gè)成份。 上圖給出了未旋轉(zhuǎn)的因子載荷。從該表可以得到利用主成分方法提取的兩個(gè)主因子的載荷值。為了方便解釋因子含義，需要進(jìn)行因子旋轉(zhuǎn)。 旋轉(zhuǎn)成份矩陣a 成份 1 2 年底總?cè)丝冢ㄈf人） .054 .967 地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元） .952 .257 固定資產(chǎn)投資總額（萬元） .726 .624 城鄉(xiāng)居民儲蓄年末余額（萬元） .914 .346 在崗職工平均工資（元） .795 -.24

22、7 社會商品零售總額（萬元） .898 .385 貨物進(jìn)出口總額（萬美元） .898 -.132 普通高等學(xué)校在校學(xué)生數(shù)（人） .217 .528 醫(yī)院、衛(wèi)生院數(shù)（個(gè)） -.031 .877 環(huán)境污染治理投資總額（萬元） .732 .254 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 a. 旋轉(zhuǎn)在 3 次迭代后收斂。 上圖給出了旋轉(zhuǎn)后的因子載荷值，其中旋轉(zhuǎn)方法采用的是Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。通過因子解釋，各個(gè)因子有了比較明確的含義。通過數(shù)據(jù)可以看出，第一類主因子有地區(qū)生產(chǎn)總值、城鄉(xiāng)居民儲蓄年末余額、社會商品零

23、售總額、貨物進(jìn)出口總額、環(huán)境污染治理投資總額。第二類主因子有年末總?cè)丝?、醫(yī)院和衛(wèi)生院數(shù)。 上圖給出了特征值的碎石圖，通常該圖顯示大因子的陡峭斜率和剩余因子平緩的尾部，之間有明顯的中斷。一般選取主因子在非常陡峭的斜率上，而處于平緩斜率上的因子對變異的解釋非常小，從該圖可以看出前兩個(gè)因子都處于非常陡峭的斜率上，從而第三個(gè)因子開始斜率變平緩，因此選擇前兩個(gè)因子作為主因子。 成份轉(zhuǎn)換矩陣 成份 1 2 1 .904 .428 2 -.428 .904 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。

24、 成份得分系數(shù)矩陣 成份 1 2 年底總?cè)丝冢ㄈf人） -.093 .384 地區(qū)生產(chǎn)總值（當(dāng)年價(jià)格）（萬元） .187 .000 固定資產(chǎn)投資總額（萬元） .096 .173 城鄉(xiāng)居民儲蓄年末余額（萬元） .168 .041 在崗職工平均工資（元） .206 -.186 社會商品零售總額（萬元） .161 .058 貨物進(jìn)出口總額（萬美元） .217 -.150 普通高等學(xué)校在校學(xué)生數(shù)（人） -.008 .189 醫(yī)院、衛(wèi)生院數(shù)（個(gè)） -.102 .357 環(huán)境污染治理投資

25、總額（萬元） .137 .023 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。 上圖給出來成分得分系數(shù)矩陣。 成份得分協(xié)方差矩陣 成份 1 2 1 1.000 .000 2 .000 1.000 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。 通過因子分析可以看出，每個(gè)因子只有少數(shù)幾個(gè)指標(biāo)的因子載荷較大，因此可根據(jù)上表分類，將這些指標(biāo)分為兩大類：地區(qū)生產(chǎn)總值、固定資產(chǎn)投資總額、城鄉(xiāng)居民儲蓄年末余額、在崗職工平均工資、社會商品零售總額、貨

26、物進(jìn)出口總額、環(huán)境污染治理投資總額命名為基本經(jīng)濟(jì)指標(biāo)，、普通高等學(xué)校在校學(xué)生數(shù)、醫(yī)院、衛(wèi)生院數(shù)是第二類民生指標(biāo)。 聚類 案例處理匯總a,b 案例 有效 缺失 總計(jì) N 百分比 N 百分比 N 百分比 15 83.3 3 16.7 18 100.0 a. 平方 Euclidean 距離 已使用 b. Ward 聯(lián)結(jié) Ward 聯(lián)結(jié) 聚類表 階 群集組合 系數(shù) 首次出現(xiàn)階群集 下一階 群集 1 群集 2 群集 1 群集 2 1 5 9 6.744E12 0 0 3 2 8 17

27、1.620E13 0 0 5 3 2 5 3.501E13 0 1 5 4 10 18 5.863E13 0 0 7 5 2 8 9.882E13 3 2 8 6 12 16 1.408E14 0 0 7 7 10 12 3.046E14 4 6 9 8 2 15 6.987E14 5 0 12 9 10 14 1.146E15 7 0 12 10 1 3 1.608E15 0 0 13 11 6 7 2.092E15 0 0 13 12 2 10 4.0

28、29E15 8 9 14 13 1 6 8.378E15 10 11 14 14 1 2 3.145E16 13 12 0 分層聚類分析的冰柱圖給出了各類之間的距離，從最后一行向前我們可以依次看出不同的聚類數(shù)量下的分類方式。 樹狀圖 * * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * *

29、* * * * * * Dendrogram using Ward Method Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 南京 5 -+ 武漢 9 -+ 大連 2 -+

30、青島 8 -+---+ 寧波 17 -+ | 重慶 15 -+ +-------------------------------------------+ 昆明 10 -+ | | 廈門 18 -+ | | 哈爾濱 12 -+---+

31、 | 西安 16 -+ | 拉薩 14 -+ | 北京 1 -+-------+ | 上海 3 -+ +---------------------------------------+ 廣州 6 -+-------+ 深圳 7 -+ 結(jié)合聚類分析樹形圖，建議分為三類城市：上海、廣州、北京、深圳為一類，較為發(fā)達(dá)。拉薩為一類，其余城市為第三類。 因此可以通過SPSS操作分析看出中國城市生活水平及根據(jù)生活水平可以分為三類，這些還包括了地區(qū)等其他影響因素。